La toma de decisiones de la empresa en red bajo un

Anuncio
Investigaciones Europeas de Dirección y Economía de la Empresa
Vol. 11, Nº 2, 2005, pp. 119-142, ISSN: 1135-2533
LA TOMA DE DECISIONES DE LA EMPRESA EN RED
BAJO UN ENFOQUE SISTÉMICO DIFUSO
Lozano Gutiérrez, M.C.
Fuentes Martín, F.
Universidad Politécnica de Cartagena
RESUMEN
En el presente estudio experimental se analiza cómo un tratamiento difuso-sistémico de los datos
facilita el modelado e implementación de mecanismos de toma de decisiones en sistemas complejos
afectados por un elevado número de variables, algunas de ellas con un comportamiento no
claramente definido, situación que se adapta perfectamente al perfil de la empresa en red dadas las
peculiaridades de su entorno extremadamente competitivo con frecuentes contradicciones entre la
predicción de una demanda más bien constante y unos pedidos que fluctúan de manera imprevisible
sin pautas repetitivas, lo que impide al decisor el poder hacer uso de la experiencia, e invalida la
efectividad de la intuición en su toma de decisiones.
PALABRAS CLAVE: Dinámica de Sistemas; Lógica Difusa; Empresa en Red.
ABSTRACT
Presently experimental study is analyzed how a diffuse-systemic treatment of the data facilitates
the modeling and implementation of mechanisms of taking of decisions in complex systems affected
by a high number of variables. Some of them have a behavior not clearly defined, situation that
adapts perfectly to the profile of the company in net in view of the peculiarities of its extremely
competitive environment with frequent contradictions among the prediction of a demand rather
constant and some orders that they fluctuate in an unforeseeable way without repetitive rules. This
impedes to the decisor the power to make use of the experience, and it invalidates the effectiveness of
the intuition in his taking of decisions.
KEY WORDS: Dynamics of Systems; Fuzzy Logic; Company in Net.
1. INTRODUCCIÓN
Los procesos de toma de decisión están basados por lo general en la intuición, la
experiencia acumulada por el decisor (construyéndose a partir de pautas repetitivas) y la
información. En la empresa en red, resulta especialmente significativa la complejidad en la que
se han de tomar las decisiones 1, basadas fundamentalmente en la información proveniente del
consumidor y/o usuario, que a menudo, presenta comportamientos anti-intuitivos en los que se
manifiesta una contradicción entre la predicción de una demanda más bien constante y unos
pedidos que fluctúan de manera imprevisible. La inexistencia por tanto de pautas repetitivas,
impide al decisor el poder hacer uso de la experiencia, e invalida la efectividad de su intuición.
A partir de ésta problemática, en el presente estudio, se muestra una metodología que sigue los
principios inspirados en la lógica difusa, capaz de tratar el subjetivismo y la imprecisión, bajo
una visión sistémica del problema, en la que se tengan en cuenta las consecuencias de la
interacción entre las variables que intervienen en su aparición.
La situación problemática de la que se parte en el presente estudio ha sido el bajo
porcentaje de visitas anuales en la web de una empresa. Con el fin de encontrar una solución a
éste problema se ha trazado como objetivo la creación mediante un enfoque sistémico de un
Lozano Gutiérrez, M.C.; Fuentes Martín, F.
modelo de simulación en computadora para representar el sistema en el que se ha de desarrollar
la decisión y de ésta forma buscar una explicación al comportamiento del sistema con base en
los indicadores de utilidades y porcentaje de visitas, teniendo como influencia la asignación de
precios y calidad del servicio.
En el presente artículo se incide en la complementación del enfoque sistémico en la
toma de decisiones, con un tratamiento difuso de los valores de las variables implicadas2 3, con
lo que además de conseguir dar un mayor realismo a los resultados se facilita el proceso de
modelado e implementación de mecanismos de decisión, lo que resulta especialmente
interesante en sistemas complejos en los que se mueve la empresa en red, afectados por un
elevado número de variables, algunas de ellas con un comportamiento claramente no definido.
El desarrollo del estudio comienza con un análisis en el que se trata de explicitar y
mapear la percepción de los participantes intentando acercarse al cómo y por qué el navegante
se comporta en la manera que lo hace en un modelo de simulación, bajo un compromiso entre
la complejidad del modelo y la fidelidad del comportamiento. En la segunda parte del estudio
se plantea una metodología difusa para la búsqueda de una línea de actuación del decisor
acorde con el objetivo de logro de una ventaja competitiva, terminando el estudio con la
incorporación de los resultados obtenidos en el diseño de una solución o la implantación de
cambios en alguna política de la empresa bajo un enfoque sistémico. Un caso práctico
desarrollado en la última parte del estudio, permitirá al lector seguir adecuadamente la
concepción del problema decisional y sus posibles soluciones.
El aprendizaje generado durante la modelación se considerará un resultado de gran
valor para el objetivo propuesto, y para ello resulta fundamental el comprobar que los
resultados obtenidos resulten factibles, así como analizar la potencialidad de aprendizaje
durante el proceso de modelación mediante la utilización de simuladores; de éste modo, el
conocimiento tácito obtenido empezará a ser expresado y compartido en un modelo de
simulación de toma de decisiones; ésta constituirá la línea de una futura línea de investigación
que completará el presente estudio.
2. LA TOMA DE DECISIONES BAJO UN ENFOQUE SISTÉMICO-DIFUSO
Cuando se toma una decisión, generalmente se tienen en cuenta las partes aisladas del
problema, y se actúa sobre el síntoma del problema antes que sobre la causa que lo originó.
Según esta forma de pensar, en las decisiones se llega a soluciones sintomáticas que mejoran el
sistema temporalmente, sin eliminar la raíz del problema dado que se han considerado las
partes y no el todo. El pensamiento sistémico es una disciplina para ver totalidades, para ver las
estructuras que subyacen a las situaciones complejas, y de éste modo, conseguir que la toma de
decisiones conduzca a mejoras significativas y duraderas (Bertalanffy. L,19764).
Uno de los principales problemas a los que se enfrenta la empresa en red en la toma de
decisiones, se debe a que, en tales decisiones, suele influir de manera fundamental la
información proveniente del consumidor y/o usuario en forma de opiniones, gustos,
preferencias..etc. Dada la imprecisión y en muchos casos la vaguedad con la que se manifiestan
las preferencias humanas, así como la inexistencia habitual de pautas repetitivas de
120
ISSN: 1135-2523Investigaciones Europeas, Vol. 11, Nº2, 2005, pp. 119-142
La toma de decisiones de la empresa en red bajo un enfoque sistémico difuso
comportamiento, es por lo que, en numerosas ocasiones, el decisor se ve limitado a no poder
hacer uso de la experiencia ó a que se vea invalidada incluso la efectividad de su intuición 5.
Por tanto, en un modelo decisional como el planteado para la empresa en red, en el que la
imprecisión de sus parámetros se formaliza a través de situaciones en las que existe una
gradación entre la pertenencia absoluta y la no pertenencia (el sí y el no) , resulta
especialmente adecuada la utilización de la lógica difusa, al proporcionarnos esquemas
matemáticos más flexibles y por tanto adecuados a la realidad, basados en la existencia de
grados de pertenencia (Quintana, M.A. 20036).
Las posibilidades que los subconjuntos difusos ofrecen para abordar problemas de
decisión en los que interviene la imprecisión de manera fundamental ó se caracterizan por la
inexistencia de pautas repetitivas que obligan a la consideración de campos de posibilidad
frente a probabilidad, pueden ser enriquecidas y complementadas por planteamientos
sistémicos en los que queden reflejadas las interdependencias que existen o se presupone que
existen en las variables consideradas, considerando de ésta forma, la empresa como un sistema
en movimiento. El gran potencial de la dinámica de sistemas se encuentra precisamente en que
se trata de un modelamiento dinámico 7,8 es decir que se centra en el tiempo, permitiendo
observar las consecuencias que pueden producirse a corto, medio y largo plazo ante las
decisiones adoptadas.
El método seguido en la resolución de un problema decisional, empieza con la
identificación de la situación problemática y el propósito del modelo, y termina con el diseño
de una solución o la implantación de cambios en alguna política de la empresa, en definitiva
con la decisión. Los pasos a seguir en la utilización de un modelo de dinámico-difuso para la
toma de decisiones son los siguientes (Vennix, 19969):
1.- Identificación del problema y propósito del modelo, lo que supone la identificación de
variables de entrada y salida, y determinación de conjuntos difusos. Esta primera fase es
fundamental y determinante, ya que si identificamos correctamente todos los aspectos implicados
lograremos elaborar un modelo dinámico que sea representativo del comportamiento real del
sistema, permitiendo de ese modo, la simulación de distintas políticas alternativas y en
consecuencia, conocer cual de ellas resulta más idónea para su posterior aplicación.
2.- Conceptualización del sistema, en la que se seleccionará un método para fusificación
(consiste en la conversión de observaciones reales a etiquetas o valores lingüísticos) y
desfusificación (consiste en la conversión de datos lingüísticos a datos numéricos mediante
ponderación y normalización de las sentencias lógicas antecedentes). Deberán especificarse
cuales son los límites del sistema, es decir, discernir qué factores se van a incluir en el modelo
y cuáles se excluirán, seleccionando aquellos que, intuitivamente parecen ser los más
significativos (Senge, 199510).
3.- Formulación del modelo y estimación de parámetros, creando una base de
conocimiento mediante la utilización de reglas del tipo Si_entonces_
4.- Análisis del comportamiento del modelo mediante el diseño de un mecanismo de
inferencia
Investigaciones Europeas, Vol. 11, Nº2, 2005, pp. 119-142
ISSN: 1135-2523
121
Lozano Gutiérrez, M.C.; Fuentes Martín, F.
5.- Evaluación del modelo
6.- Uso del modelo o implantación y realimentación de la información. Hay que
señalar que esta definición no hace referencia exclusivamente a decisiones conscientes o
explícitas sino también a decisiones inconscientes o implícitas. La utilidad que se desprende
del estudio de la realimentación informativa es la posibilidad de comprender de qué modo el
volumen de las acciones correctivas y de las demoras en el tiempo entre acción y efecto en
los componentes interconectados de un sistema pueden originar comportamientos fluctuantes
o inestables. El modelo se acaba perfeccionando mediante un proceso de aprendizaje que
tiene lugar tanto durante la realización del modelo como en posteriores simulaciones.
Mediante la simulación ponemos al modelo “en movimiento”, es decir que en un contexto
virtual reproducimos el comportamiento esperado de la organización o problema a fin de
observar el impacto en los indicadores relevantes de decisiones, políticas, cambios de
escenarios etc, y permite ver en un breve lapso los efectos en el tiempo y espacio de
decisiones. Hoy en día disponemos de herramientas informáticas que han facilitado la
posibilidad de desarrollar modelos y simularlos11. Esta sexta fase del estudio es la que
actualmente nos encontramos desarrollando.
7.- El último paso, consiste en aplicar las políticas consideradas óptimas en la fase
anterior.
A continuación desarrollaremos mediante un ejemplo la toma de una decisión en una
empresa de Internet ante una situación problemática como es el bajo número de accesos al sitio
web, para lo cuál, mostraremos la metodología difusa que podría ser utilizada para la detección
del origen del problema y sus posibles soluciones, todo ello bajo una concepción sistémica de
las variables consideradas.
3. MODELACIÓN DE UNA DECISIÓN EN UNA EMPRESA EN RED A PARTIR DE
UN ENFOQUE SISTÉMICO DIFUSO
La situación problemática de la que se parte ha sido el bajo porcentaje de visitas
anuales en la web de una empresa. Con el fin de encontrar una solución a éste problema se creó
con los métodos propuestos un modelo de simulación en computadora para representar el
sistema en el que se ha de desarrollar la decisión.
Los objetivos del modelo fueron explicar el comportamiento del sistema con base en los
indicadores de utilidades y porcentaje de visitas, teniendo como influencia la asignación de
precios y calidad del servicio. La solución propuesta fue crear un modelo compuesto por tres
subsistemas (Figura 1). El objetivo del primero fue representar el comportamiento dinámico de
la empresa en la red (presencia, calidad del servicio ofrecida, imagen de marca); el objetivo del
segundo representar la transformación de información directa percibida de los usuarios y
traducida a visitas, a toma de decisiones, y el tercer subsistema refleja las disponibilidades
financieras de la empresa para asumir las decisiones que se produzcan (Figura nº 1).
122
ISSN: 1135-2523Investigaciones Europeas, Vol. 11, Nº2, 2005, pp. 119-142
La toma de decisiones de la empresa en red bajo un enfoque sistémico difuso
Figura 1 Diagrama del modelo difuso en que se basa la toma de decisiones
Fuente: elaboración propia
Se modeló el primer subsistema con técnicas de dinámica de sistemas. La satisfacción
de clientes y las apreciaciones en su comportamiento no escritas fueron elementos y relaciones
tomados en cuenta en el segundo subsistema que se modeló mediante un tratamiento difuso de
las variables. Mientras que en el tercer subsistema se consideraron políticas para el control del
negocio como la parte del conocimiento de los tomadores de decisión, así como
disponibilidades financieras para llevar a cabo la decisión que se adopte, y se representaron por
reglas del tipo Si_Entonces, de la siguiente forma:
Si
(Desviación en utilidades)
es (Negativa) y
(Tendencia de la desviación en utilidades
es (Negativa) y
(Desviación en visitas)
es (Positiva) y
(Tendencia de la desviación en visitas)
es (Negativa)
Entonces (Incremento en precio)
(Incremento en calidad de servicio)
es (Cero)
es (Positivo)
Actualmente no se conoce con exactitud la relación que existe entre la satisfacción del
cliente y el porcentaje de visitas a la página web de la empresa aunque se estima que puede
expresarse mediante una curva cuasilineal. Se utilizará la satisfacción del cliente como un
conocimiento impreciso para el desarrollo de los intervalos difusos que determinarán el
componente estático (variables de entrada y variables de salida) del modelo a desarrollar. A
continuación mostramos un diagrama causal en el que aparecen las variables que van a
incorporar tablas internas y se han señalado los retrasos en las flechas( Figura nº 2).
Investigaciones Europeas, Vol. 11, Nº2, 2005, pp. 119-142
ISSN: 1135-2523
123
Lozano Gutiérrez, M.C.; Fuentes Martín, F.
Figura 2
Test de calidad
CALIDAD
DEL PRODUCTO
CALIDAD DEL SERVICIO
OFRECIDO
Venta
Producción
DISEÑO
DEL SITIO WEB
IMAGEN DE MARCA
Producto
LIMITACIONES
FINANCIERAS
SATISFACCIÓN
DEL CLIENTE
Test de satisfacción
El subsistema Comportamiento dinámico de la empresa en red, acepta como entrada la
variable Ein que representa los parámetros relevantes como proveedor del servicio, traducidos a
terminología del nivel de transporte (vídeo, datos, audio CD...), así como los parámetros del
nivel de aplicación (función del diseño y de los objetivos de la aplicación), y proporciona como
salida la variable Sout que corresponde con el nivel de calidad del servicio necesaria para lograr
un estado satisfactorio al usuario/navegante.
Tanto la variable de entrada como la variable de salida se han dividido en intervalos ,
conformando las reglas de inferencia del subsistema. A modo de ejemplo, un nivel de servicio
Ein = 150 (obtenido de la medición de parámetros de dispositivo, tráfico, sistema y/o
aplicación) se incluirá en los intervalos de entrada [95,130,160] y [145,180,210], que
corresponden respectivamente a los intervalos de salida [50,75,90] y [80,90,105]. Para obtener
el valor de salida Sout se toma el centroide de ambos intervalos ponderados previamente por la
probabilidad de pertenencia del valor Ein = 150 a los dos intervalos de entrada mencionados,
como se muestra a continuación:
Tabla 1 Intervalos de entrada y correspondientes de salida para el subsistema
comportamiento dinámico de la empresa en la red.
Ein
Sout
[0,60,70]
[20,21,23]
[65,90,110]
[22,50,58]
[95,130,160]
[50,75,90]
[145,180,210] [80.90.105]
[190,230,260] [95,105,110]
[240,280,310] [105,110,115]
[290,330,450] [115,118,120]
124
ISSN: 1135-2523Investigaciones Europeas, Vol. 11, Nº2, 2005, pp. 119-142
La toma de decisiones de la empresa en red bajo un enfoque sistémico difuso
El segundo subsistema Satisfacción de los clientes y/o usuarios queda definido por la
variable de entrada Sout; la variable de salida Dadd correspondiente al nivel de satisfacción
generado en el cliente y/o usuario por la calidad del servicio ofrecida por la empresa en la red.
En la tabla 2 se muestran los intervalos en que se ha dividido la variable de entrada y los
correspondientes intervalos de salida.
Tabla 2 Intervalos de entrada y correspondientes de salida para el subsistema satisfacción de
clientes y usuarios
Sout
Dadd
[20,20,25,30]
[0.65,0.7,0.75,]
[25,30,35,40]
[0.55,0.65,0.7]
[35,40,45,50]
[0.5,0.55,0.65]
[45,50,55,60]
[0.4,0.45,0.5]
[55,60,65,70]
[0.3,0.35,0.45]
[65,70,75,80]
[0.25,0.28,0.35]
[75,80,85,90]
[0.2,0.225,0.3]
[85,90,95,100]
[0.15,0.175,0.25]
[95,100,105,110]
[0.12,0.13,0.2]
[105,110,115,120] [0.1,0.1,0.125]
Por último el subsistema Limitaciones financieras de la empresa recibe como entrada la
variable Sout y proporciona la variable de salida Dsub que se corresponde con las
disponibilidades financieras netas (consumidas y generadas) como respuesta a las acciones
conducentes a la obtención de satisfacción en el cliente derivada de la calidad del servicio
ofrecido por la empresa. En la tabla nº 3 se muestran los intervalos en que se ha dividido la
variable de entrada y los correspondientes intervalos de salida.
Tabla 3 Intervalos de entrada y correspondientes de salida para el subsistema limitaciones
financieras de la empresa
Sout
Dsub
[20,20,25,30]
[0.35,0.35,0.45]
[25,30,35,40]
[0.45,0.475,0.5]
[35,40,45,50]
[0.475,0.525,0.55]
[45,50,55,60]
[0.525,0.575,0.6]
[55,60,65,70]
[0.575,0.615,0.63]
[65,70,75,80]
[0.615,0.64,0.65]
[75,80,85,90]
[0.64,0.66,0.67]
[85,90,95,100]
[0.66,0.69,0.7]
[95,100,105,110]
[0.69,0.71,0.72]
[105,110,115,120] [0.71,0.73,0.75]
Investigaciones Europeas, Vol. 11, Nº2, 2005, pp. 119-142
ISSN: 1135-2523
125
Lozano Gutiérrez, M.C.; Fuentes Martín, F.
La variable de entrada Epre se corresponde con la información previa recogida de
usuarios, navegadores y consumidores a través de un test lanzado en la web de la empresa,
mientras que la variable (Dout ) representa el nivel de calidad del servicio resultante tras la toma
de una decisión de cambio en la oferta actual de la empresa.
La descripción de la metodología difusa que emplearemos para el análisis estará basada
en la existencia de las 29 variables relacionadas con aspectos relativos a la mejora comercial de
la empresa, y que representaremos por : ξ = {A1 , A2 , A3 ,....... A29 } sobre las que se realizará
una encuesta a los consumidores y/o usuarios de la empresa, acerca del grado de presencia de
éstas en la empresa, para lo cuál quedarán expresadas las respuestas en décimas entre 0 y 1 (no
cumplimiento a cumplimiento total). Un agregado de las respuestas obtenidas vendrá dado por
un subconjunto difuso de E, por ejemplo:
P=
≈
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
0.8
0.2
0.4
1
0.5
0.5
0.5
0.2
0.3
0.1
0.8
0.9
1
0.3
0.5
0.6
0.8
0.3
0.4
0.5
0.6
0.3
0.2
0.1
0.3
0.5
0.6
0.1
1
Imaginemos ahora un perfil ideal de competitividad para una empresa tipo del mismo
sector al que pertenece la empresa valorada, forma también un subconjunto difuso, al que
llamaremos :
I=
≈
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
0.9
0.9
0.9
1
1
1
1
0.9
0.8
0.1
0.8
0.9
1
0.7
0.8
0.9
0.8
0.6
0.6
0.9
0.6
0.9
0.6
1
0.9
0.7
1
1
1
Se puede construir un coeficiente de adecuación de P a I, de la siguiente manera: Si:
µ P ( x) ≥ µ I ( x) , entonces se escribirá K x ( p → i ) = 1 y si µ P ( x) < µ I ( x) se escribirá
≈
K≈x ( p → i )≈ = 1 - µ I ( x) + µ P ( x) , lo que permite también≈ la siguiente
notación
≈
≈
globalizadora: K x ( p → i ) = 1 ∧ (1- µ I ( x ) + µ P ( x ) ), de esta forma el coeficiente de
adecuación K(p,i) se obtendrá sumando≈ los K x (≈ p → i ) y dividiendo el resultado por el
cardinal de ξ , con objeto de obtener un número en [0,1]:
K(p,i)=[0,7+0,1+0,3+1+0,5+0,5+0,5+0,1+0,1+1+1+1+1+0+0,3+0,5+1+0,1+0+0,4+1+0,2+0,2
+0,1+0,2+0,2+0,6+0,1+1]/29 =0,4724 . A continuación se calcularán los coeficientes de
adecuación para cada una de las 6 empresas consideradas, determinando como empresa que
ofrece una mayor calidad de servicio, a aquélla que obtenga un coeficiente de adecuación más
elevado. Los resultados obtenidos en los coeficientes de adecuación para las 6 posibles líneas
de decisión consideradas a continuación se muestran en la tabla nº 4:
LÍNEAS DE DECISIÓN:
a)
Modificar aspectos de su página/s web relativos a diseño con el fin de hacer más
atractivo el acceso a la información de la empresa.
126
ISSN: 1135-2523Investigaciones Europeas, Vol. 11, Nº2, 2005, pp. 119-142
La toma de decisiones de la empresa en red bajo un enfoque sistémico difuso
b)
Reforzar la imagen corporativa de la empresa, a través de una mejora en sus
comunicaciones correo electrónico, foro, chat, revista electrónica,...., con el fin de llegar a más
navegadores (potenciales consumidores y/o usuarios)
c)
Reforzar la campaña de publicidad y buscar nuevos sitios en los que anunciarse
con el fin de llegar a más gente.
d)
Ampliar la oferta de servicios de la empresa a fin de fidelizar a los clientes
actuales y captar nuevos clientes.
e)
Mejorar la imagen de seguridad de la empresa a partir de una inversión en
consultoría e ingeniería de seguridad, con el fin de que la empresa transmita a sus potenciales
clientes una mayor sensación de seguridad.
f)
Promover el conocimiento y el uso de los datos de medición de audiencias on-line
con el fin de especializar la oferta a determinados sectores de consumidores.
Tabla nº 4
Líneas de Decisión Coeficientes de adecuación
A
K (p1,I)= 0,4724
B
K (p2,I)= 0,75
C
K(p3,I)= 0,345
D
K(p4,I)= 0,12
E
K(p5,I)= 0,24
F
K(p6,I)= 0,52
De donde se deduce que la decisión b) Reforzar la imagen corporativa de la empresa, a
través de una mejora en sus comunicaciones correo electrónico, foro, chat, revista
electrónica,...., con el fin de llegar a más navegadores (potenciales consumidores y/o usuarios)
es la que mejor grado de competitividad podría otorgar a la empresa, según los criterios
señalados. Aunque el método señalado presenta una clara limitación, debida al hecho de que el
incumplimiento en una empresa de algún aspecto relativo a alguna de las variables
consideradas (que supondría una valoración en la variable de 0), asociado al hecho de que en el
perfil ideal tampoco se hallara precisado en un grado distinto de 0, implicaría la obtención de
un K=1 que indicaría una máxima adecuación al perfil referente, al igual que en el caso de que
la empresa presentara un grado de cumplimiento en un aspecto por encima del ideal (ambas
obtendrían el mismo nivel de adecuación pero sin embargo en éste último caso el nivel de
competitividad alcanzado por la empresa estaría por encima del ideal) . Para evitar éste
problema, deberíamos enriquecer la información con una medida más precisa que nos
permitiera comparar subconjuntos de un mismo referencial, para lo cuál disponemos del
concepto matemático de distancia., por el que se obtendrían las “diferencias” existentes entre
los niveles de competitividad alcanzados en cada una de las 6 posibles líneas de actuación y los
ideales del sector.
Se pueden utilizar distintos esquemas para determinar la distancia, por lo que para un
mismo problema se obtendrían resultados no idénticos. Uno de ellos es la llamada distancia de
Investigaciones Europeas, Vol. 11, Nº2, 2005, pp. 119-142
ISSN: 1135-2523
127
Lozano Gutiérrez, M.C.; Fuentes Martín, F.
HAMMING que nos suministra información sobre aquello que diferencia a dos subconjuntos
difusos. La distancia de Hamming entre los resultados obtenidos en las 29 variables
consideradas de la empresa P1 y el ideal I se obtendrán de la siguiente forma:
d( P , I )=
≈
≈
1
N
N
∑µ
i =1
p
≈
(X i ) − µI (X i )
≈
Así para la primera posible línea de actuación trazada, la distancia de Hamming sería:
d( P , I )=
≈1
≈
1
( 0.8 − 0.9 + 0.2 − 0.9 + ...... + 0.1 − 1 + 1 − 1 ) = 0,29655172
29
Y para las 5 restantes, se obtendrían las siguientes distancias (Tabla 5):
Tabla nº 5
Distancias de Hamming
d (p1,I)= 0,29655172
d (p2,I)= 0,223
d(p3,I)= 0,31
d(p4,I)= 0,35
d(p5,I)= 0,334
d(p6,I)= 0,24
Obteniendo así el siguiente orden: P2>P6>P1>P3>P5>P4,
Con lo que según éstos resultados la actuación prioritaria de la empresa sería la relativa
al reforzamiento de la imagen corporativa de la empresa, a través de una mejora en sus
comunicaciones correo electrónico, foro, chat, revista electrónica,...., con el fin de llegar a más
navegadores (potenciales consumidores y/o usuarios), seguida en importancia por promover el
conocimiento y el uso de los datos de medición de audiencias on-line con el fin de especializar
la oferta a determinados sectores de consumidores.
El estudio se podría completar con un análisis de las ventajas competitivas en cuanto a
la calidad de servicio ofrecida por la empresa considerada contemplada desde el aspecto de la
imagen corporativa que ofrecen en sus páginas web con respecto a similares empresas del
mismo sector al que ésta pertenece, para lo que sería conveniente el realizar un análisis de
afinidades en el que se pudieran apreciar éstas ventajas competitivas. Para llevar a cabo éste
análisis, determinaríamos las subrelaciones máximas de similitud, para lo cuál se utilizará el
algoritmo de Pichat. La finalidad del camino trazado por Pichat es la obtención de submatrices
o grafos transitivos. Para describir la metodología de éste algoritmo consideraremos los
resultados agregados para seis parámetros de calidad de servicio, correspondientes a la imagen
corporativa de la empresa en 6 empresas consideradas (P1,P2,P3,P4,P5,P6) del mismo sector
(en donde la P1 es la empresa analizada en el presente estudio):
128
ISSN: 1135-2523Investigaciones Europeas, Vol. 11, Nº2, 2005, pp. 119-142
La toma de decisiones de la empresa en red bajo un enfoque sistémico difuso
•
•
•
•
•
•
X1.- Presentación del producto y de sus características
X2.- Atractivo visual de la página web
X3.- Regularidad en la actualización del contenido de la web site
X4.- Rapidez en la descarga de páginas
X5.- Facilidad en la búsqueda y encuentro de contenidos del web site
X6.- Grado de cumplimiento de lo prometido en la página
Tabla 6 valoración obtenida en las 6 empresas para las variables consideradas
Variables
P1
P2
P3
P4
x1
0,3
0,7
x2
0,6
0,9
0,5
x3
0,9
1
0,1
x4
1
1
0,2
x5
0,2
0,5
x6
0,5
0,3
P5
0,6
0,5
P6
0,3
0,2
0,7
0,1
0,1
0,2
0,7
0,2
0,9
0,4
0,3
0,4
0,8
0,6
0,2
0,3
1
1
0,6
El punto de partida viene dado por la existencia u obtención en su caso de una relación
booleana de semejanza (simétrica y reflexiva), para llegar a ella comencemos buscando la
afinidad entre las dos primeras empresas, para lo cuál se determinará en primer lugar la
distancia de Hamming existente entre ellas:
d(P1,P2)= 0,21667
d(P1,P3)=0,4
d(P1,P4)=0,367
d(P1,P5)=0,368
d(P1,P6)=0,35
Se obtendría entonces la relación difusa siguiente:
P1
P1 0
P2
P3
0,21667 0,4
P4
P5
P6
0,367 0,368 0,35
P2 0,21667 0
0,697 0,67
P3 0,4
0,697
0
P4 0,367
0,67
0,297 0
P5 0,368
0,672
0,255 0,571 0
P6 0,35
0,672
0,253 0,571 0,467 0
Investigaciones Europeas, Vol. 11, Nº2, 2005, pp. 119-142
0,672 0,672
0,297 0,255 0,253
0,571 0,571
0,467
ISSN: 1135-2523
129
Lozano Gutiérrez, M.C.; Fuentes Martín, F.
Esta matriz de distancias es una matriz de “desemejanza”. Su complemento a 1
proporcionará la matriz de “semejanza”:
P1
P2
P3
P4
P5
P6
P1
1
0,78
0,63
0,63
0,63
0,65
P2
0,78
1
0,30
0,33
0,33
0,33
P3
0,63
0,30
1
0,70
0,74
0,74
P4
0,63
0,33
0,70
1
0,42
0,42
P5
0,63
0,33
0,74
0,42
1
0,53
P6
0,65
0,33
0,74
0,42
0,53
1
Hemos podido ver una de las varias maneras de llegar a la obtención de una relación de
semejanza. Pasamos a continuación a realizar su tratamiento para hallar las agrupaciones por
afinidad. Con objeto de hacer operativo el concepto de afinidad, parece conveniente el
establecimiento de unos procedimientos de cálculo que permitan, con la mayor rapidez posible,
la utilización de los esquemas presentados. En nuestro estudio hemos determinado las
relaciones máximas de similitud utilizando el algoritmo de Pichat. Así, para un nivel α =1,
P1
P1
P2
P3
P4
P5
P6
1
P2
1
P3
1
P4
1
P5
1
P6
1
Si consideramos la relación difusa de semejanza S y adoptamos como umbral a partir
del cual se considera cumple la necesaria homogeneidad α ≥ 0,78 . Entonces la anterior
relación difusa se convierte en la booleana siguiente:
P1
P1
P2
P3
P4
P5
P6
130
P2
1
P3
P4
P5
P6
1
1
1
1
1
1
ISSN: 1135-2523Investigaciones Europeas, Vol. 11, Nº2, 2005, pp. 119-142
La toma de decisiones de la empresa en red bajo un enfoque sistémico difuso
Habida cuenta de la existencia de simetría, se considera únicamente la parte de la matriz
situada por encima y a partir de la diagonal principal (ésta incluida).
Así para un nivel α ≥ 0,78. hallamos así, una suma de productos de elementos. Para
cada uno de los sumandos se obtiene un complemento con relación al referencial. Cada uno de
estos términos complementarios proporciona una subrelación máxima de similitud.
S=(p1+p3p4p5p6)(p2+p3p4p5p6)(p3+p4p5p6)(p4+p5p6)(p5+p6)1=
=(p1p2+p1p3p4p5p6+p3p4p5p6)(p3+p4p5p6)(p4+p5p6)(p5+p6)=
=((p1p2p3+p1p2p4p5p6+p1p3p4p5p6+p3p4p5p6)(p4+p5p6)(p5+p6)=
=(p1p2p3p4+p1p2p3p5p6+p1p2p4p5p6+p1p2p4p5p6+p3p4p5p6)(p5+p6)=
=(p1p2p3p4p5+p1p2p3p4p6+p1p2p3p5p6+p1p2p4p5p6+p1p3p4p5p6+p3p4p5p6)2
S´=p6+p5+p4+p3+p1p23
P1 P2
P1 1
1
P2 1
1
A un nivel elevado como es el 0,78, la empresa P1, presenta un alto nivel de similitud
con la empresa P2 en los 6 factores considerados como integrantes de la imagen corporativa.
Al nivel
P1
P1
P2
1
α =0,74
P3
P4
P5
P6
1
P2
1
P3
1
P4
1
1
1
P5
1
P6
1
S=(p1+p3p4p5p6)(p2+p3p4p5p6)(p3+p4)(p4+p5p6)(p5+p6)=
=(p1p2+p1p3p4p5p6+p3p4p5p6)(p3+p4)(p4+p5p6)(p5+p6)=
=(p1p2p3+p1p2p4+p1p3p4p5p6+p3p4p5p6)(p4+p5p6)(p5+p6)=
=(p1p2p3p4+p1p2p3p5p6+p1p2p4+p1p3p4p5p6+p3p4p5p6)(p5+p6)=
=(p1p2p3p4p5+p1p2p3p4p6+p1p2p3p5p6+p1p2p4+p1p3p4p5p6)
S´=p4+p3p5p6+p2
P3
P3 1
P5 1
P6 1
1
2
3
P5
1
1
1
P6
1
1
1
Suma de productos para cada fila
Producto booleano en términos mínimos
Obtención del complemento de cada uno de los términos de P.
Investigaciones Europeas, Vol. 11, Nº2, 2005, pp. 119-142
ISSN: 1135-2523
131
Lozano Gutiérrez, M.C.; Fuentes Martín, F.
A un nivel bastante alto como el 0,74, las empresas P3P5P6, presentan afinidades en
cuanto a la imagen corporativa que ofrecen a través de su página Web.
Al nivel
P1
P1
P2
1
α =0,70
P3
P4
P5
P6
1
P2
1
P3
1
1
P4
1
1
1
P5
1
P6
1
S=(p1+p3p4p5p6)(p2+p3p4p5p6)(p4+p5p6)(p5+p6)=
=(p1p2+p1p3p4p5p6+p3p4p5p6)(p4+p5p6)(p5+p6)=
=(p1p2p4+p1p2p5p6+p1p3p4p5p6+p3p4p5p6)(p5+p6)=
=(p1p2p4p5+p1p2p4p6+p1p2p5p6+p1p3p4p5p6+p3p4p5p6)
S´=p3p6+p3p5+p3p4+p1p2
Al nivel
P1
P1
P2
P3
P4
P5
P2
1
α =0,65
P3
P4
P5
P6
1
1
1
1
1
1
1
1
1
P6
1
S=(p1+p3p4p5)(p2+p3p4p5p6)(p4+p5p6)(p5+p6)=
=(p1p2+p1p3p4p5p6+p3p4p5)(p4+p5p6)(p5+p6)=
=(p1p2p4+p1p2p5p6+p1p3p4p5p6+p3p4p5)(p5+p6)=
=(p1p2p4p5+p1p2p4p6+p1p2p5p6+p1p3p4p5p6+p3p4p5)
S´= p3p6+p3p5+p3p4+ p1p2p6
Como se puede apreciar, ha sido necesario el descender hasta un nivel de 0,65 para
buscar una similitud entre la primera, segunda y sexta empresa en cuanto a la calidad de
servicio ofrecida por éstas contemplada desde el aspecto de la imagen corporativa que ofrecen
en sus páginas web.
132
ISSN: 1135-2523Investigaciones Europeas, Vol. 11, Nº2, 2005, pp. 119-142
La toma de decisiones de la empresa en red bajo un enfoque sistémico difuso
Al nivel
P1
P2
P1
1
P3
1
P2
α =0,63
P4
P5
P6
1
1
1
1
1
1
1
1
1
P3
P4
1
P5
1
P6
1
S=(p2+p3p4p5p6)(p4+p5p6)(p5+p6)=
=(p2p4+p2p5p6+p3p4p5p6)(p5+p6)=
=(p2p4p5+p2p4p6+p2p5p6+p3p4p5p6)
S´=p1p3p6+p1p3p5+p1p3p4+p1p2
Al nivel
P1
P1
P2
1
P3
1
P2
α =0,53
P4
P5
P6
1
1
1
1
1
1
1
1
1
1
1
P3
P4
1
P5
P6
1
S=(p2+p3p4p5p6)(p4+p5p6)=
=(p2p4+p2p5p6+p3p4p5p6)
S´=p1p3p5p6+p1p3p4+p1p2
Al nivel
P1
P1
P2
1
P2
P3
P4
P5
P6
α =0,42
P3
1
P4
P5
P6
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
S=(p2+p3p4p5p6)
S´=p1p3p4p5p6+p1p2
Investigaciones Europeas, Vol. 11, Nº2, 2005, pp. 119-142
ISSN: 1135-2523
133
Lozano Gutiérrez, M.C.; Fuentes Martín, F.
Al nivel
P1
P1
P2
P3
P2
1
α =0,33
P3
1
P4
1
1
1
P4
P5
P5
P6
1
1
1
1
1
1
1
1
1
1
1
1
1
1
P6
1
S=(p2+p3)
S´=p1p3p4p5p6+p1p2p4p5p6
Con objeto de visualizar mejor el algoritmo presentaremos las aplicaciones funcionales
en la forma sagitada:
Figura 3
Fuente: elaboración propia
En la representación sagitada anterior, se observa la existencia de dos vértices (que se
corresponden con las líneas de actuación P1 y P3) de los que parten las diferentes relaciones de
similitud con el resto, por otra parte, éstas dos empresas quedaron situadas en una posición
central en el apartado anterior del estudio en el que se determinó la ordenación por distancia al
perfil ideal de calidad de servicio ofrecida en la página web: P2>P6>P1>P3>P5>P4 Se observa
que la empresa analizada P1, ocupa una posición intermedia en cuanto a imagen de calidad
corporativa con respecto a sus empresas competidoras, y este resultado puede obedecer en
buena lógica al hecho de que situándose éstas empresas en una situación de calidad media sus
rasgos diferenciadores respecto a las otras empresas son prácticamente nulos. Por el contrario,
134
ISSN: 1135-2523Investigaciones Europeas, Vol. 11, Nº2, 2005, pp. 119-142
La toma de decisiones de la empresa en red bajo un enfoque sistémico difuso
las empresas nombradas como P2 y P4 se diferencian claramente del resto (la P2 guarda ciertas
similitudes con la P1 en cuanto a imagen corporativa) resultando la primera como acreedora de
una excelente calidad y la última como de una deficiente calidad de servicio en comparación
con el resto.
El algoritmo de Pichat está específicamente destinado a la obtención de subrelaciones
máximas de similitud, no proporcionando directamente el resto de afinidades, que sí se podrían
obtener a partir de otro procedimiento de cálculo de similitudes denominado “retículo de
Galois”. Con objeto de mostrar la utilización de este algoritmo, vamos a considerar la anterior
relación difusa de semejanza a un nivel de α ≥ 0,63:
P1
P2
P3
P1
1
1
P2
1
1
P3
1
P4
1
P5
1
P6
1
P4
P5
P6
1
1
1
1
1
1
1
1
1
1
1
1
1
[S0,63]=[B]=
Figura nº 4
P2
P3
P1
P4
P5
P6
Las conexiones B*A son las siguientes:
B* φ =E1
B*{p1}={p1,p2,p3,p4,p5,p6},B*{p2}={p1,p2},B*{p3}={p1,p3,p4,p5,p6},B*{p4}={p1,p4},B
*{p5}={p1,p3,p5},B*{p6}={p1,p3,
p6},B*{p1p2}={p1,p2},B*{p1,p3}={p1,p3,p4,p5,p6},B*{p1,p4}={p1p4},B*{p1,p5}={p1,p3,
p5},B*{p1,p6}={p1,p3,p6},B*{p2,
p3}={p1},B*{p2,p4}={p1}.B*{p2,p5}={p1},B*{p2,p6}={p1},B*{p3,p4}={p1,p4},B*{p3,p5
}={p1,p3,p5},B*{p3,p6}=
{p1,p3,p6},B*{p4,p5}={p1},B*{p4,p6}={p1},B*{p5,p6}={p1,p3},B*{p1,p2,p3}={p1},B*{p
1,p2,p4}={p1},B*{p1,p2,p5}={p1},B*{p1,p2,p6}={p1},B*{p2,p3,p4}={p1},B*{p2,p3,p5}={
p1}.B*{p2,p3,p6}={p1},B*{p3,p4,p5}={p1},B*{p3,p4,p6}={p1}, ,B*{p4,p5,p6}={p1}
B*E1= φ
Investigaciones Europeas, Vol. 11, Nº2, 2005, pp. 119-142
ISSN: 1135-2523
135
Lozano Gutiérrez, M.C.; Fuentes Martín, F.
Las conexiones B*A en las cuales se cumple que B*A =A son: B*{p1p2}={p1,p2},
B*{p1,p4}={p1p4}, resultando así las siguientes subrelaciones máximas de similitud:
P1 P2
P1 1 1
P2 1 1
P1 P4
P1 1 1
P4 1 1
En la construcción del correspondiente retículo de Galois se puede observar la ubicación
de las subrelaciones máximas de similitud. Los nodos del retículo están entonces constituidos
por un par de conjuntos de objetos y atributos que se determinan mutuamente. La relación de
orden que constituye el retículo viene determinada tanto por la relación de inclusión entre
conjuntos de objetos como por la relación de contención entre conjuntos de clases. En esta
sección ilustraremos de manera informal el modo en que esta técnica permite realizar los
análisis de dependencia funcional mencionados en la sección anterior.
Figura nº 5
φ ,E1
(1,123)
(1,125)
(1,124)….(1,236)….(1,235)….(1,234)….(1,126)
(1,345)
(1,346)
(1,456)
(12,12) (13456,13) (14,14) (135,15) (136,16) (1,23) (1,24) (1,25) (1,26) (14,34) (135,35) (136,36) (1,45) (1,46)
(13,56)
(123456,1)
(12,2)
(13456,3)
(14,4)
E1,
(135,5)
(136,6)
φ
A continuación vamos a determinar todas las posibles cadenas máximas de una relación
de orden estricto como la obtenida anteriormente. Luego, todas las partes comunes de las
cadenas máximas serán unidas en un mismo trazo. La figura así obtenida se denomina
DIAGRAMA DE HASSE de la relación de orden dada. Así, sea el referencial: E = {P1, P2,
P3,....,P6}, y la relación de orden estricta obtenida anteriormente:
P1
P1
136
P2
P3
P4
1
1
P2
1
1
P3
1
P4
1
P5
1
1
P6
1
1
P5
P6
1
1
1
1
1
1
1
1
1
1
1
ISSN: 1135-2523Investigaciones Europeas, Vol. 11, Nº2, 2005, pp. 119-142
La toma de decisiones de la empresa en red bajo un enfoque sistémico difuso
A partir de estas informaciones nos proponemos hallar las cadenas máximas. Para ello
se empieza por enumerar todas las cadenas, para seguidamente eliminar aquellas cadenas que
se hallan incluidas en otra. Una vez realizadas todas las eliminaciones, obtenemos las
siguientes cadenas máximas: P1<P2; P1<P3<P4; P1<P5; P1<P6; P3<P5; P3<P6
Figura 6
P1
P1
P1
P1
P3
P3
P5
P6
P5
P6
P3
P2
P4
Partiendo de cada una de las cadenas máximas anteriores, del elemento que está más a
la izquierda, que lo colocaremos en la parte inferior, se formará una única cadena, reuniendo en
una las partes de cadena idénticas. Obteniendo la figura siguiente:
Figura nº 7
P6
P4
P5
P3
P1
P2
Por tanto, la cadena de máxima similitud obtenida sería la P2 <P1<P3<P4, tal y como ya
se obtuvo en el algoritmo de Pichat, con lo que :
1)
La característica o atributo que de forma mayoritaria ha de ser modificado en
su página Web ha sido la característica C (color de fondo) seguida en número de repeticiones
por las características D,E: extensión de la página y grado informativo respectivamente.
2)
Con el fin de hacer más atractivo el acceso a la información de la empresa y
mejorar así su competitividad en el sector, la empresa se ha planteado 6 posibles líneas de
actuación: reforzar la imagen corporativa de la empresa, a través de una mejora en sus
comunicaciones correo electrónico, foro, chat, revista electrónica,...., con el fin de llegar a más
navegadores (potenciales consumidores y/o usuarios), reforzar la campaña de publicidad y
buscar nuevos sitios en los que anunciarse con el fin de llegar a más gente, ampliar la oferta de
Investigaciones Europeas, Vol. 11, Nº2, 2005, pp. 119-142
ISSN: 1135-2523
137
Lozano Gutiérrez, M.C.; Fuentes Martín, F.
servicios de la empresa a fin de fidelizar a los clientes actuales y captar nuevos clientes,
mejorar la imagen de seguridad de la empresa a partir de una inversión en consultoría e
ingeniería de seguridad, con el fin de que la empresa transmita a sus potenciales clientes una
mayor sensación de seguridad, promover el conocimiento y el uso de los datos de medición de
audiencias on-line con el fin de especializar la oferta a determinados sectores de consumidores.
De éstas 6 posibles líneas de actuación, la metodología propuesta ha permitido
secuenciar la toma de decisiones estableciendo como acción prioritaria la relativa al
reforzamiento de la imagen corporativa de la empresa, a través de una mejora en sus
comunicaciones correo electrónico, foro, chat, revista electrónica,...., con el fin de llegar a más
navegadores (potenciales consumidores y/o usuarios), seguida en importancia por promover el
conocimiento y el uso de los datos de medición de audiencias on-line con el fin de especializar
la oferta a determinados sectores de consumidores.
3)
e observa que la empresa analizada, ocupa una posición intermedia en cuanto
a imagen de calidad corporativa transmitida en su página web, con respecto a sus empresas
competidoras, y este resultado puede obedecer en buena lógica al hecho de que situándose
éstas empresas en una situación de calidad media sus rasgos diferenciadores respecto a las otras
empresas son prácticamente nulos. Razón por la cuál, si quiere conseguir una mejora
competitiva debe procurar acentuar sus diferencias mejorando prioritariamente el atractivo
visual de su página web (variable X2 considerada), así como la presentación de su producto y
de sus características(variable X1 considerada).
El nivel de calidad de servicio previsto tras la puesta en práctica de las líneas de
actuación anteriores se representa en la variable (Sout ) traducida en el sistema a las
disponibilidades financieras netas (generadas y consumidas) como respuesta a las acciones
conducentes a la obtención de satisfacción en el cliente derivada de la calidad del servicio
ofrecido por la empresa. La variable Dout realimenta el sistema, constituyendo la entrada Ein del
primer subsistema para la siguiente toma de decisiones. En la figura nº 8 se muestra el sistema
completo.
Toma de decisiones Dout
Dsub
0,8
0,6
Serie1
Serie2
0,4
0,2
0
1
2
3
4
5
6
7
8
9
10
Dadd
138
ISSN: 1135-2523Investigaciones Europeas, Vol. 11, Nº2, 2005, pp. 119-142
La toma de decisiones de la empresa en red bajo un enfoque sistémico difuso
Figura 8Representación de Dadd y Dsub
Zona A
Zona B
Las variables de salida Dadd y Dsub (nivel de satisfacción generado en el cliente y/o usuario
por la calidad de servicio ofrecida por la empresa y las disponibilidades financieras netas como
respuesta a las acciones conducentes a la obtención de satisfacción en el cliente derivada de la
calidad del servicio, respectivamente) han sido presentadas gráficamente en el valor central del
número borroso triangular que las representa. Se observa en la gráfica un punto de corte (0,35) que
divide la gráfica en dos secciones diferenciadas zona A y zona B. En la zona A, la satisfacción
generada al cliente tras emprender las reformas necesarias para el mejoramiento de la calidad del
servicio, se encuentra por debajo de las disponibilidades financieras de la empresa, por lo que el
nivel de calidad podría ser mejorado en otros aspectos no contemplados inicialmente y
financieramente sería sostenible. En la zona B, la situación se invierte y se aprecia una zona en la
que financieramente sería insostenible una decisión de mejora en la calidad del servicio ofrecida por
la empresa que redundara en un incremento de la satisfacción a sus clientes.
El modelo sistémico-difuso creado en el presente estudio actualmente se está
implementado mediante la herramienta Simulink, integrada en el entorno Matlab (The Math
Works, Inc)12. El procesamiento del sistema difuso consta de tres pasos: (1) asignar grados de
membresía con respecto a los conjuntos difusos a las variables de entrada; (2) realizar la
inferencia de las acciones por realizar utilizando las reglas de mapeo; y (3) emitir la acción
correctiva estimada, interpretando los grados de membresía de las variables de salida. Así, el
primer conjunto de experimentos permitió comprobar la capacidad del sistema propuesto para
lograr un nivel de calidad de servicio partiendo de un nivel de satisfacción del cliente por
debajo de la capacidad financiera neta de la empresa para éste tipo de acciones.
La segunda serie de experimentos se orientará al estudio de la capacidad del sistema
para retornar al nivel de calidad de servicio al introducir una distorsión puntual instantánea por
la que se disminuya o aumente el nivel de satisfacción del usuario/consumidor (podría ser la
entrada en el mercado de un nuevo producto o una nueva empresa en la competencia).
En los resultados de experimentación realizados hasta ahora se observa que el modelo
implementado reacciona de forma correcta ante distintos niveles de satisfacción y
disponibilidad financiera hasta lograr un estado de equilibrio, de modo que se alcanza dicho
nivel de una forma gradual y nunca bruscamente. Además, una vez alcanzado ese estado, el
modelo consigue mantener los niveles de calidad.
Investigaciones Europeas, Vol. 11, Nº2, 2005, pp. 119-142
ISSN: 1135-2523
139
Lozano Gutiérrez, M.C.; Fuentes Martín, F.
Es importante destacar que para construir el modelo se han establecido unas reglas de
inferencia que permitan gestionar el comportamiento de los tres subsistemas señalados de
forma adecuada sin necesidad de contar con un número elevado de datos empíricos.
Los resultados obtenidos permiten plantear la posibilidad de diseño de un dispositivo
inteligente que, ante distintos niveles de satisfacción detectados fuese capaz de desencadenar
las acciones necesarias para lograr un nivel de calidad de servicio deseado.
4. CONCLUSIONES:
Se ha podido observar cómo las técnicas operativas derivadas de los principios de la
lógica difusa e integradas en un marco sistémico, dotan de realismo a la vez que facilitan el
modelado e implementación de mecanismos de toma de decisiones en entornos complejos
caracterizados por la presencia de un elevado número de variables de las que no se conoce o
resulta imposible conocer su ocurrencia histórica, o se encuentran afectadas por
comportamientos de difícil definición (debido a la imprecisión con la que se formulan, al
representar aspectos inherentes a la lógica del pensamiento humano).
Las técnicas presentadas en la resolución del problema, son susceptibles de ser
integradas en un proceso de simulación en el que se pueda analizar las diferentes situaciones
problemáticas que pueden aparecer y su posible o posibles soluciones, bajo el sistema “en
movimiento”, ayudando de ésta forma al decisor en su tarea. En éste sentido, actualmente
estamos mejorando el estudio empírico que acabamos de presentar, incluyendo en el mismo
diferentes escenarios de simulación, así como ampliando el número de restricciones temporales
y espaciales en el modelo, a fin de dotarlo de un mayor realismo.
El modelo elaborado cumple con el compromiso entre complejidad del modelo y
fidelidad del comportamiento, y su procesamiento informatizado no presenta significativas
dificultades.
El aprendizaje generado durante la modelación, en que estuvieron presentes los
procesos de elicitación, reflexión y diálogo de supuestos y políticas, se consideró un resultado
de gran valor. La elaboración del modelo permitió tener diálogos estructurados que generaron
participación y consenso, identificación de puntos clave de mejora y conclusiones no presentes
con anterioridad.
Si bien se presentó el modelo mental de los participantes, la investigación deberá
continuar constrastando y posteriormente validando el modelo de acuerdo con la realidad
percibida. Este proceso demandará la recopilación de datos y ajustes nuevamente del modelo.
Los resultados obtenidos en las primeras simulaciones mostraron factibilidad, así
como potencialidad de aprendizaje durante un proceso de modelación, por lo que éstos
resultados alentadores nos llevan a la necesidad de continuar perfeccionando tales
simulaciones, hasta completar el modelo decisional.
El interés por desarrollar técnicas para la toma de decisiones que permitan experimentar
diferentes alternativas y seleccionar la más adecuada, antes de empezar a realizar inversiones,
ha sido una de las ideas atractivas para el uso de simuladores. Actualmente existen propuestas
interesantes de simulación en la toma de decisiones como la creada por un Grupo de
Investigación en Dirección de Empresas Asistida por ordenador (G.I.D.E.A.O)13 de la
Universidad de Sevilla, que dentro de una prometedora línea de investigación, han creado un
140
ISSN: 1135-2523Investigaciones Europeas, Vol. 11, Nº2, 2005, pp. 119-142
La toma de decisiones de la empresa en red bajo un enfoque sistémico difuso
“simulador empresarial de caja transparente”14. Dicho simulador permite, por una parte, la
interacción entre las diversas partes de la empresa, y por otra, el acceso permanente del usuario
a la estructura interna (variables y relaciones) del modelo de simulación. Ello permite tomar
decisiones basadas en el conocimiento de las causas de los resultados y comportamientos
observados y no sólo de los síntomas de los problemas, como ocurre en los juegos de empresa
tradicionales.
BIBLIOGRAFÍA:
BERTALANFFY, L. (1976): Teoría General de Sistemas. Ed. Petrópolis. Vozes.
CHRISTENSEN, J; SCHMIDT,M.L; RONBERG,L. (2003): “Turbulence and Competitive Dynamics in the Internet
Services Industry” Industry and Innovation. Vol XVII. June 2003.
DOMÍNGUEZ MACHUCA, J.A. (1990):”Los modelos y juegos de Dinámica de Sistemas como instrumentos para la
Dirección de Empresas” Alta Dirección, Nº 147 y 150
DOMÍNGUEZ MACHUCA, J.A. (1995): Aprendizaje Sistémico y Simuladores de Caja Transparente para la
Formación y Toma de Decisiones en Dirección de Empresas: Algunas Ideas y Desarrollos, en Dirección de Empresas
de los Noventa (Homenaje al profesor López Moreno), Ed. Civitas
DRIANKOV, H; HELLENDOM, H; REINFRANK, M. (1993): An introduction to Fuzzy Control. Ed. Springer Verlag
FORRESTER, J.W. (1961): Industrial Dynamics. The MIT Press Cambridge, Massachusetts. Traducción (1972):
Dinámica Industrial. Ed. Ateneo. Buenos Aires.
G.I.D.E.A.O (Universidad de Sevilla): http://www.aloj.us.es/gideao. Consulta realizada el 19 de enero de 2004
LITTLE, J. (1979): “Decision Support Systems for Marketing Managers”. Journal of Marketing. Vol.43
MARTÍN DEL BRIO, A; SANZ MOLINA, A. (1997). Redes Neuronales y Sistemas Borrosos. Ed. RA-MA
QUINTANA, M.A. (2003): Modelo híbrido para los procesos de Data Mining en el apoyo a la toma de decisiones
basados en tecnologías inteligentes conexionistas y difusas. Publicado en las actas del XVII Simposio Brasileiro de
Redes Neurais
SENGE, P. (1995): La quinta disciplina. Ed. Granica
SHACHMUROVE,Y.(2002): “Applying Artificial Neural Networks to Business”, Economics and Finance. University
of Pennsylvania, CARESS Working Paper: 02/08
SIMULINK: http://www.mathworks.es/products/controldesign/eventdrv.shtml. Consulta realizada el 19 de Septiembre
de 2003
SUGIANTO,L (2001): “Management of Data Uncertainty in Dynamic Programming”. Studies in Fuzziness and Soft
Computing, vol. 73.
VENNIX, J (1996): Group Model Building: facilitating team learning using system dynamics, New York. Ed. John
Wiley
NOTAS
1
CHRISTENSEN, J; SCHMIDT,M.L; RONBERG,L. (2003): “Turbulence and Competitive Dynamics in the Internet
Services Industry” Industry and Innovation. Vol XVII. June 2003.
DRIANKOV, H; HELLENDOM, H; REINFRANK, M. (1993): An introduction to Fuzzy Control. Ed. Springer
Verlag
3
MARTÍN DEL BRIO, A; SANZ MOLINA, A. (1997). Redes Neuronales y Sistemas Borrosos. Ed. RA-MA
4
BERTALANFFY, L. (1976): Teoría General de Sistemas. Ed. Petrópolis. Vozes.
5
LITTLE, J. (1979): “Decision Support Systems for Marketing Managers”. Journal of Marketing. Vol.43
6
QUINTANA, M.A. (2003): Modelo híbrido para los procesos de Data Mining en el apoyo a la toma de decisiones
basados en tecnologías inteligentes conexionistas y difusas. Publicado en las actas del XVII Simposio Brasileiro de
Redes Neurais.
7
SUGIANTO, L. (2001): “Management of Data Uncertainty in Dynamic Programming”. Studies in Fuzziness and Soft
Computing, Vol. 73.
8
DOMÍNGUEZ MACHUCA, J.A. (1990): “Los modelos y juegos de Dinámica de Sistemas como instrumentos para
la Dirección de Empresas”. Alta Dirección. Nº 147 y 150.
9
VENNIX, J (1996): Group Model Building: facilitating team learning using system dynamics, New York. Ed. John
Wiley
10
SENGE, P. (1995): La quinta disciplina. Ed. Granica
2
Investigaciones Europeas, Vol. 11, Nº2, 2005, pp. 119-142
ISSN: 1135-2523
141
Lozano Gutiérrez, M.C.; Fuentes Martín, F.
11
SHACHMUROVE,Y.(2002): “Applying Artificial Neural Networks to Business”, Economics and Finance.
University of Pennsylvania, CARESS Working Paper: 02/08
12
SIMULINK: http://www.mathworks.es/products/controldesign/eventdrv.shtml. Consulta realizada el 19 de
Septiembre de 2003
13
G.I.D.E.A.O (Universidad de Sevilla): http://www.aloj.us.es/gideao. Consulta realizada el 19 de enero de 2004.
14
DOMÍNGUEZ MACHUCA, J.A. (1995): Aprendizaje Sistémico y Simuladores de Caja Transparente para la
Formación y Toma de Decisiones en Dirección de Empresas: Algunas Ideas y Desarrollos, en Dirección de Empresas
de los Noventa (Homenaje al profesor López Moreno), Ed. Civitas
La Revista Investigaciones Europeas de Dirección y Economía de la Empresa recibió este artículo el 12 de febrero
de 2004 y fue aceptado para su publicación el 25 de enero de 2005.
142
ISSN: 1135-2523Investigaciones Europeas, Vol. 11, Nº2, 2005, pp. 119-142
Descargar